論文の概要: A brain-inspired information fusion method for enhancing robot GPS outages navigation
- arxiv url: http://arxiv.org/abs/2601.08244v1
- Date: Tue, 13 Jan 2026 06:02:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.75988
- Title: A brain-inspired information fusion method for enhancing robot GPS outages navigation
- Title（参考訳）: ロボットGPSのナビゲーション機能向上のための脳誘発情報融合法
- Authors: Yaohua Liu, Hengjun Zhang, Binkai Ou,
- Abstract要約: 低コスト慣性航法システム(INS)は、センサバイアスや測定ノイズの傾向が強い。
本稿では、スパイキングニューラルネットワーク(SNN)に基づく脳誘発GPS/INS融合ネットワーク(BGFN)を提案する。
- 参考スコア（独自算出の注目度）: 5.430077228813539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-cost inertial navigation systems (INS) are prone to sensor biases and measurement noise, which lead to rapid degradation of navigation accuracy during global positioning system (GPS) outages. To address this challenge and improve positioning continuity in GPS-denied environments, this paper proposes a brain-inspired GPS/INS fusion network (BGFN) based on spiking neural networks (SNNs). The BGFN architecture integrates a spiking Transformer with a spiking encoder to simultaneously extract spatial features from inertial measurement unit (IMU) signals and capture their temporal dynamics. By modeling the relationship between vehicle attitude, specific force, angular rate, and GPS-derived position increments, the network leverages both current and historical IMU data to estimate vehicle motion. The effectiveness of the proposed method is evaluated through real-world field tests and experiments on public datasets. Compared to conventional deep learning approaches, the results demonstrate that BGFN achieves higher accuracy and enhanced reliability in navigation performance, particularly under prolonged GPS outages.
- Abstract（参考訳）: 低コスト慣性航法システム(INS)は、センサバイアスや計測ノイズが原因で、GPS機能停止時に航法精度が急速に低下する。
そこで本研究では, スパイキングニューラルネットワーク(SNN)に基づく脳内GPS/INS融合ネットワーク(BGFN)を提案する。
BGFNアーキテクチャは、スパイキングトランスフォーマーとスパイキングエンコーダを統合し、慣性測定ユニット(IMU)信号から空間的特徴を同時に抽出し、時間的ダイナミクスを捉える。
車両の姿勢、比力、角速度、GPSによる位置インクリメントの関係をモデル化することにより、現在のIMUデータと過去のIMUデータの両方を活用して車両の動きを推定する。
提案手法の有効性は実世界のフィールドテストと公開データセットによる実験によって評価される。
従来のディープラーニング手法と比較して,BGFNは航法性能が向上し,特にGPS機能停止の長期化により信頼性が向上することが示された。
関連論文リスト
- NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Deep RL-based Autonomous Navigation of Micro Aerial Vehicles (MAVs) in a complex GPS-denied Indoor Environment [9.162792034193373]
室内環境における無人航空機(UAV)の自律性は、倉庫、工場、屋内施設などの囲い込み空間における信頼性の高いGPS信号が欠如していることから、大きな課題となっている。
本稿では,強化学習に基づくDeep-Proximal Policy Optimization (D-PPO)アルゴリズムを提案する。
提案手法は,性能を著しく低下させることなく,トレーニング期間中に計算遅延を91%削減する。
論文 参考訳（メタデータ） (2025-04-08T11:14:37Z) - GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation [0.0]
慣性測定ユニット(IMU)は加速度や回転の変化などの相対的な運動情報を提供する。
GPSとは異なり、IMUは外部の信号に頼らず、GPSで識別された環境で有用である。
GPSとIMUを融合させることは、自動運転車のナビゲーションシステムの信頼性と精度を高めるために重要である。
論文 参考訳（メタデータ） (2024-05-13T19:05:36Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - Performance Study of YOLOv5 and Faster R-CNN for Autonomous Navigation
around Non-Cooperative Targets [0.0]
本稿では,カメラと機械学習アルゴリズムを組み合わせることで,相対的なナビゲーションを実現する方法について論じる。
高速領域ベース畳み込みニューラルネットワーク(R-CNN)とYou Only Look Once(YOLOv5)の2つのディープラーニングに基づくオブジェクト検出アルゴリズムの性能を検証した。
本稿では, 特徴認識アルゴリズムの実装と, 宇宙船誘導航法制御システムへの統合に向けての道筋について論じる。
論文 参考訳（メタデータ） (2023-01-22T04:53:38Z) - Unsupervised Visual Odometry and Action Integration for PointGoal
Navigation in Indoor Environment [14.363948775085534]
屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。
GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。
実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-10-02T03:12:03Z) - CTIN: Robust Contextual Transformer Network for Inertial Navigation [20.86392550313961]
Inertial Navigation(CTIN)のための頑健なCon Transformerベースのネットワークを提案し,速度と軌道を正確に予測する。
CTINは非常に堅牢で、最先端のモデルよりも優れています。
論文 参考訳（メタデータ） (2021-12-03T19:57:34Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。